L'interprétation automatique des images radar à ouverture synthétique SAR (Synthetic Aperture Radar) est l'une des orientations importantes de l'application de la technologie SAR. Les méthodes d'identification SAR se divisent principalement en deux catégories : les méthodes traditionnelles d'apprentissage machine et les méthodes basées sur l'apprentissage profond. Pour la plupart des méthodes traditionnelles d'apprentissage machine, l'extraction des caractéristiques cibles basées sur la diffusion électromagnétique est interprétable et stable. Cependant, le processus d'extraction des caractéristiques efficaces est souvent complexe et l'efficacité de calcul est faible. Comparées aux méthodes traditionnelles, les méthodes basées sur l'apprentissage profond peuvent directement apprendre les caractéristiques multidimensionnelles des cibles et obtenir une précision d'identification des cibles plus élevée. Cependant, les performances des méthodes d'apprentissage profond sont faibles et difficiles à interpréter. Par conséquent, dans l'ensemble, les méthodes d'apprentissage profond basées sur les caractéristiques de diffusion électromagnétique et les caractéristiques des réseaux neuronaux doivent être mises en corrélation. Cet article aborde les résultats de recherche des méthodes d'identification des cibles basées sur les caractéristiques de diffusion électromagnétique et des caractéristiques neuronales, décrit en détail l'application de ce modèle d'information de diffusion électromagnétique dans la reconnaissance des cibles telles que les véhicules, les avions et les navires, examine les perspectives du développement des orientations de recherche de détection et d'identification des cibles futures et tire une conclusion générale.

Radar à ouverture synthétique; identification des cibles; réseau de neurones convolutionnel; caractéristiques de diffusion électromagnétique; estimation des paramètres